2011 distribucion poisson eym la

Lic. Gladys Pavan 1

La distribución de Poisson

http://www.centrodelogistica.com.br/new/art_gest_baixo_giro/figura02-1.gif

Lic. Gladys Pavan 2

Tabla de contenido

Introducción

Objetivos de la presentación

Dato histórico

Utilidad

Propiedades de un proceso de Poisson


La función

Ejemplos

Lic. Gladys Pavan 3

Tabla de contenido

La tabla de la probabilidad de Poisson

Ejemplos

Ejercicio de redacción

La media y la desviación estándar

Resumen

Ejercicios de prueba

Glosario de términos

Referencias

Lic. Gladys Pavan 4

Introducción

En este módulo se describe el uso de la distribución de Poisson para obtener la probabilidad de ocurrencia de sucesos raros cuyo resultado lo representa una variable discreta.

Lic. Gladys Pavan 5

Objetivo general del módulo

Esperamos que cuando termines esta presentación puedas determinar cómo y cuándo se debe utilizar la distribución de Poisson para obtener las probabilidades de aquellas situaciones gerenciales que ocurren de forma impredecible y ocasional.

Lic. Gladys Pavan 6

Objetivos específicos

Además, esperamos que puedas:

1. Identificar las propiedades de una distribución Poisson.

2. Determinar los valores de frecuencia p y segmento n para establecer las bases para el cómputo de las probabilidades.

3. Determinar el promedio, la varianza y la desviación estándar utilizando las variables de la distribución de Poisson.

Lic. Gladys Pavan 7

Dato histórico

La distribución de Poisson se llama así

en honor a su creador, el francés

Simeón Dennis Poisson (1781-1840),

Esta distribución de probabilidades fue

uno de los múltiples trabajos matemáticos

que Dennis completó en su productiva trayectoria.

Lic. Gladys Pavan 8

Utilidad

La distribución de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados.

Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto.

Es muy útil cuando la muestra o segmento n es grande y la probabilidad de éxitos p es pequeña.

Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia, área, volumen o tiempo definido.

Lic. Gladys Pavan 9

Ejemplos de la utilidad

La llegada de un cliente al negocio durante una hora.

Las llamadas telefónicas que se reciben en un día.

Los defectos en manufactura de papel por cada metro producido.

Los envases llenados fuera de los límites por cada 100 galones de producto terminado.

Lic. Gladys Pavan 10

Propiedades de un proceso de Poisson

1. La probabilidad de observar exactamente un éxito en el segmento o tamaño de muestra n es constante.

2. El evento debe considerarse un suceso poco probable.

3. El evento debe ser aleatorio e independiente de otros eventos

Si repetimos el experimento n veces podemos

obtener resultados para la construcción de la

distribución de Poisson.



La distribución de probabilidad de Poisson es un ejemplo de distribución de probabilidad discreta.

La distribución de Poisson parte de la distribución binomial.

Cuando en una distribución binomial se realiza el experimento

muchas veces, la muestra n es grande y la probabilidad de éxito p en cada ensayo es baja, es aquí donde aplica el modelo de distribución de Poisson.

Se tiene que cumplir que:

p < 0.10

p * n < 10


La función P(x=k)

P(x)= 𝝀𝒙𝒆−𝝀

𝒙!

Donde: P(X) es la probabilidad de ocurrencia de un evento exactamente X veces. λ = la media, E(x); Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.). Es igual a p por el segmento dado. e = La constante e tiene un valor aproximado de 2.711828

A continuación veremos la función de probabilidad de la distribución de Poisson.


Ejemplo1 de la función

F (x=k)

La probabilidad de que haya un accidente en una compañía de manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300 días al año, ¿cuál es la probabilidad de tener 3 accidentes?

Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribución de Poisson:

Al realizar el cómputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 días de trabajo es de 8.9%.


Ejemplo 2 de la función

F(x=k)

La probabilidad de que un producto salga defectuoso es de 0.012. ¿Cuál es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos?

En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el producto n * p menor que 10, por lo que aplicamos el modelo de distribución de Poisson:

El resultado es P (x = 5) = 0.04602

Por lo tanto, la probabilidad de que haya 5 productos

defectuosos entre 800 recién producidos es de 4.6%.


Tablas de probabilidad de Poisson

Utilizando la tabla de probabilidad de Poisson se pueden resolver los ejemplos anteriores.

Para esto, usted debe saber los valores X y λ.

X es el número de éxitos que buscamos. Este es el valor K.

λ es el número promedio de ocurrencias por unidad (tiempo, volumen, área, etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 1: λ = 0.02 * 300 = 6

Del ejemplo 2: λ = 0.012 * 800 = 9.6


Tabla de probabilidad de Poisson

Obtenga más información de cómo asignar probabilidades utilizando las tablas.


La media μ y la varianza σ2

17

Características de la distribución Poisson

k = 5 λ = 0.1

k = 5 λ = 0.5

Media

= E(X) = λ

Varianza

λ = σ2

0

.2

.4

.6

0 1 2 3 4 5

X

P(X)

.2

.4

.6

0 1 2 3 4 5

X

P(X)

0


En resumen

En este módulo hemos determinado la probabilidad de Poisson mediante el uso de la función de Poisson y las tablas de distribución. Además, aprendimos que:

1. La distribución de Poisson se forma de una serie de experimentos de Bernoulli.

2. La media μ o valor esperado en la distribución de Poisson es igual a λ.

3. La varianza (σ2 ) en la distribución de Poisson también es igual a λ.

4. La desviacion estándar es la raíz de λ.


Ejercicio de prueba #1

Un comerciante de verduras tiene conocimiento de que el 3% de la caja está descompuesta. Si un comprador elige 100 verduras al azar, encuentre la probabilidad de que,

a) las 4 estén descompuestas.

b) de 1 a 3 estén descompuestas

Para resolver la pregunta “b” repase el

módulo de las reglas de probabilidad.

En este caso se resuelve sumando las

probabilidades P(x=1) + P(x=2) + P(x=3)

= 0.1494 + 0.2240 + 0.2240



En pruebas realizadas a un amortiguador para automóvil se encontró que el 0.04 presentaban fuga de aceite. Si se instalan 150 de estos amortiguadores, hallar la probabilidad de que,

a) 4 salgan defectuosos,

b) más de 5 tengan fuga de aceite.

c) de 3 a 6 amortiguadores salgan defectuosos.

d) Determine el promedio y la desviación estándar de amortiguadores con defectos.

La pregunta “b” debe sumar las probabilidades desde

P(x=6) en adelante.

En la “c” debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).



Un ingeniero que labora en el departamento de control de calidad de una empresa eléctrica, inspecciona una muestra al azar de 200 alternadores de un lote. Si el 2% de los alternadores del lote están defectuosos. Cuál es la probabilidad de que en la muestra,

a) ninguno esté defectuoso,

b) uno salga defectuoso,

c) al menos dos salgan defectuosos

d) más de tres estén con defectos Para la pregunta “d” puede realizar

la siguiente operación:

1 – [P(x=0) + P(x=1) + P(x=2)]



La probabilidad de que un CD de música dure al menos un año sin que falle es de 0.95, calcular la probabilidad de que en una muestra de 15,

a) 12 duren menos de un año,

b) a lo más 5 duren menos de un año,

c) al menos 2 duren menos de un año.



Si 8 de 100 viviendas violan el código de construcción. ¿cuál es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente a 50 de ellas, descubra que:

a) ninguna de las casas viola el código de construcción

b) una viola el código de construcción

c) dos violan el código de construcción

d) al menos tres violan el código de construcción



Aleatorio – que ocurre al azar.

Distribución de Poisson – Distribución discreta que se aplica cuando se realizan más de una vez y de forma independiente el experimento de Bernoulli.

Éxitos – Es la ocurrencia del evento de interés como cantidad de defectos, llamadas recibidas, servicios completados.

Experimento independiente – Cuando el resultado de un experimento no tiene influencia en el resultado de otro experimento.



Resultado discreto – Son resultados con un número finito de valores (3 defectos, menos de 8, hasta 5, etc.)

Suceso raro – Un evento que ocurre con poca frecuencia.

Segmento - es un intervalo, porción, fragmento o tamaño de muestra, ya sea en unidades de distancia, área, volumen, tiempo o cualquier otra medida.

Variable Aleatoria Discreta - Variable que puede obtener un número finito de valores de forma impredecible o al azar.

Variable Discreta – Variable que puede obtener un

número finito de valores como 0, 1, 2, 3.


Referencias

Anderson, S. (2006). Estadísticas para administración y

economía. (8tva ed.). México:Thomson.

Newbold P. (2003). Statistics for Business And Economics.

(2003). (5ta. Ed.). New Jersey: Prentice Hall.

Bluman, A. G. (2007). Statistics. (6ta ed.). New York: Mc Graw

Hill.

http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf http://stattrek.com/Tables/poisson.aspx#calculator

http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf

http://stattrek.com/Tables/poisson.aspx


Referencias

http://www.udc.es/dep/mate/estadistica2/documentos-pdf/dmtablas.pdf

http://karnak.upc.es/teaching/estad/MC/taules/com-usar-taules.pdf

http://www.capdm.com/demos/software/html/capdm/qm/poissondist/usage.html

http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pdf

http://www.matematicas.net/paraiso/download.php?id=formula/fr_poisson.zip















2011 distribucion poisson eym la

Documents